申请/专利权人:四川大学
申请日:2023-04-12
公开(公告)日:2024-06-21
公开(公告)号:CN116385653B
主分类号:G06T17/00
分类号:G06T17/00;G06N3/0895
优先权:
专利状态码:有效-授权
法律状态:2024.06.21#授权;2023.07.21#实质审查的生效;2023.07.04#公开
摘要:本发明公开了一种基于单目高频=16根条纹,可到64根条纹的三维成像自监督方法及装置,主要解决现有技术中存在的三维成像技术中对高频条纹的最大条纹数有限制,通常不超过32根条纹,否则会因相位展开失败导致无法实现三维成像的问题。该发明包括分别采集一幅单频连续相位图和一幅高频变形条纹图,构建训练数据集;将所述一幅高频变形条纹图输入初始神经网络模型得到对应的深度图D;获得单频连续相位图和相机的单频连续相位图,并根据两者建立自监督信号训练初始经网络模型得到最终神经网络模型;将待测图像输入最终神经网络模型得到对应的预测深度图。通过上述方案,本发明达到了可预测物体的深度图且不需要标注的目的。
主权项:1.一种基于单目高频条纹的三维成像自监督方法,其特征在于,包括以下步骤:对多个不同物体,分别采集一幅单频连续相位图和一幅高频变形条纹图,构建训练数据集;将所述高频变形条纹图输入初始神经网络模型得到对应的深度图D;根据所述深度图D建立相机图像上的像素点与投影仪投影图像上像素点的对应关系;获得单频连续相位图和相机的单频连续相位图并根据两者建立自监督信号训练初始经网络模型得到最终神经网络模型;建立自监督信号包括:在单频连续相位图和相机的单频连续相位图之间建立监督信号,与越接近,则预测的深度D越接近物体的真实深度;训练神经网络模型的损失函数包括与之间的L1损失函数,SSIM损失函数,以及的梯度与的梯度之间的L1损失函数;将待测图像输入最终神经网络模型得到对应的预测深度图。
全文数据:
权利要求:
百度查询: 四川大学 一种基于单目高频条纹的三维成像自监督方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。